Learning Fault-Tolerant Locomotion with Adaptive Gait Timing
arXiv 论文 2608.07328v1 提出一种深度强化学习方法，用于四足机器人在执行器功率损失下的容错运动。方法采用非对称 actor-critic 架构，critic 在训练时使用特权信息，actor 从本体感受观测重建潜在表示，并引入潜在对齐损失。动作空间增加可学习的步态频率参数，实现自适应步态时序。方法在 68 kg 四足机器人的高保真仿真和真实世界实验中验证。
发展脉络
- 首次出现Learning Fault-Tolerant Locomotion with Adaptive Gait TimingarXiv cs.LG
- 当前判断该研究展示了强化学习在机器人容错控制中的潜力，可能推动四足机器人在工业巡检、救援等场景的可靠性提升。然而，从仿真到真实世界的迁移仍是挑战，且 68 kg 机器人的实验规模有限，距离商业化应用尚有距离。Agent Pulse · 分析
该论文针对大型四足机器人在执行器故障下的运动稳定性问题，提出基于深度强化学习的容错运动控制方法。硬件故障要求机器人快速重组协调和步态时序，而大型四足机器人因质量和执行器限制，难以采用小型平台常用的高频补偿策略。方法采用非对称 actor-critic 架构，critic 在训练时访问特权信息，actor 通过潜在对齐损失从本体感受观测重建一致表示。动作空间引入可学习的步态频率参数，使机器人能根据地形和执行器退化自适应调整步态时序，无需预定义故障腿策略。实验在高保真仿真（不平地形）和真实世界（平地）中使用 68 kg 四足机器人验证，表明该方法能有效应对执行器功率损失。
该工作的核心创新在于将步态频率作为可学习参数加入动作空间，使机器人能够自适应调整步态时序，而非依赖预定义的故障策略。潜在对齐损失确保了 actor 与 critic 表示的一致性，使 actor 能在无特权信息时重建关键状态。这种设计可能提高策略对执行器退化的泛化能力，但真实世界实验仅在平地验证，复杂地形下的表现仍需进一步研究。
该研究展示了强化学习在机器人容错控制中的潜力，可能推动四足机器人在工业巡检、救援等场景的可靠性提升。然而，从仿真到真实世界的迁移仍是挑战，且 68 kg 机器人的实验规模有限，距离商业化应用尚有距离。
对于四足机器人制造商，该技术可增强产品在故障情况下的生存能力，降低维护成本，提升客户信任。对于物流、安防等行业，容错运动能力可减少因执行器故障导致的停机时间，提高任务完成率。
未来可期待在更多真实世界地形（如斜坡、楼梯）上的验证，以及将方法扩展到其他类型执行器故障（如关节卡死）。此外，结合模型预测控制或模仿学习可能进一步提升鲁棒性。